楊小麗

摘 要：隨著計算機技術(shù)在智能交通系統(tǒng)中廣泛應(yīng)用，立體視覺成為重建混合交通場景、檢測混合交通流參數(shù)的重要技術(shù)。文章主要對利用計算機立體視覺觀測交通環(huán)境狀況獲取交通信息進行綜述，同時介紹了復(fù)雜背景中交通對象的分割、陰影檢測和抑制、三維重建、模型匹配與識別等技術(shù)的研究。最后對立體匹配的三維重建研究趨勢發(fā)展及難點進行了展望。

關(guān)鍵詞：立體視覺；圖像分割；陰影抑制；三維重建

1 概述

立體視覺的交通場景理解系統(tǒng)關(guān)鍵技術(shù)主要解決交通對象（行人、汽車、摩托車、自行車等）的三維信息模型化；低層處理，即先把圖像數(shù)字符號化和特征點的提取過程，主要包括圖像的分割和描述；運動檢測與運動匹配，主要技術(shù)有基于時空梯度的方法、基于相關(guān)的方法、頻率域法等；模型匹配與識別；交通對象的陰影檢測；系統(tǒng)實時性，由于三維重構(gòu)計算量較大，提高系統(tǒng)實時性等六大問題。其中對三維重建、運動檢測與運動匹配和模型匹配與識別是立體視覺的交通場景理解系統(tǒng)關(guān)鍵技術(shù)主要研究方向。

從計算機視覺的角度進行分類，基于模型交通流量檢測技術(shù)的方法可以分類為：基于區(qū)域跟蹤的方法；基于動態(tài)輪廓的目標(biāo)跟蹤方法；基于特征的跟蹤方法；基于3D模型（立體視覺）的車輛跟蹤識別方法。

2 立體視覺的三維重建研究方法

基于立體視覺的三維重建是指通過對二維圖像的處理，利用立體視覺的原理獲取場景中目標(biāo)的三維信息。雙目立體視覺是直接模擬人類雙眼來處理景物的一種新型研究方法，由于其靈活性較高，可以測量多種條件下景物的三維信息。

2.1 圖像自適應(yīng)閾值分割法

圖像自適應(yīng)閾值分割法無論參數(shù)的選取為何種特征值，都能準(zhǔn)確快速的捕捉待處理的運動目標(biāo)。采用自適應(yīng)閾值分割方法對獲得的交通對象的視頻圖像進行處理，把交通目標(biāo)特征層經(jīng)行分類處理，提高了類判別能力。同時，閾值來源較為廣泛和準(zhǔn)確，因此，不僅具有較好的識別率還具有較強的實時性。在背景存在微小運動和環(huán)境亮度突變的情形下也具有很好的魯棒性。徐文聰?shù)热酥饕獜淖赃m應(yīng)閾值分割的方法對運動車輛進行檢測和流量統(tǒng)計。

在徐文聰研究中，閾值的取值為圖像的形態(tài)值，結(jié)合車道線和標(biāo)定的攝像機內(nèi)外參數(shù)，利用Dtsu算法提取候選車燈連通域信息。張虹波、孫明玉研究中，閾值的取值為圖像的灰度值。張虹波利用圖像差分方法獲得運動目標(biāo)。提取虛擬檢測區(qū)域內(nèi)的車輛圖像，進行圖像的數(shù)字化和濾除噪聲等預(yù)處理，對視頻圖像提取背景模型，得到車流量信息。孫明玉提出基于新型自適應(yīng)閾值的運動目標(biāo)提取算法。孫明玉[4]提出基于新型自適應(yīng)閾值的運動目標(biāo)提取算法。首先，根據(jù)運動屬性，分成兩個聚類，一是運動目標(biāo)，二是背景。對提取的圖像按像素灰度進行分類，以聚類間的方根-算術(shù)均值距離最大值作為分割閾選擇的準(zhǔn)則，實時更新提取的運動目標(biāo)的二值化閾值，從而實現(xiàn)對運動目標(biāo)的準(zhǔn)確完整提取。

2.2 基于側(cè)影輪廓的三維重建方法

基于側(cè)影輪廓的三維建模是一種新的建模方法，也稱為可見外殼 （Visual Hull）生成方法。側(cè)影輪廓法是利用攝像機拍攝的不同角度的圖像進行立體重建，具有良好的幾何和拓?fù)浣Y(jié)構(gòu)的一致性，同時提取的特征點較少，易于計算，有較好的魯棒性。

阮孟貴、章毓晉利用攝像機在各個相異的角度獲取的多幅圖像完成三維重建。主要利用反射投影的交叉輪廓進行匹配，重建物體表面。伍燕萍用Marching Cubes算法，把獲取的多幅圖像進行側(cè)影輪廓重建，生成物體的可見外殼。曹煜利用平面鏡反射原理，對圖像輪廓線之間極的線幾何關(guān)系進行分析，獲得相應(yīng)的相機內(nèi)外參數(shù)，實現(xiàn)目標(biāo)物體的三維重建。

2.3 基于序列圖像的三維重建方法

序列圖像法主要是利用數(shù)字圖像處理的方法對圖像二值化，便于計算機處理。通過對提取的特征點之間進行相似度的匹配，利用矩陣分析進行三維重建。此類方法關(guān)鍵在于正確三維數(shù)據(jù)的獲取，利用計算機相關(guān)軟件進行圖像掃描、圖像預(yù)處理、建立數(shù)據(jù)模型，怎樣辨別噪聲是此方法的難點。雖然序列圖像法存在一定的噪聲污染，但由于其設(shè)備簡單，在交通場景中運用面較廣。

劉同敏利用提取的圖像序列作為測量矩陣的參數(shù)，提出了一種基于匹配相似度的最小二乘法三維重建方法。譚論正提出了基于PCA的交通場景點的重建方法。利用最小二乘法求場景點的三維軌跡，根據(jù)獲得的數(shù)據(jù)實現(xiàn)運動目標(biāo)和背景模型的三維重建。孫麗娟通過透視投影重建算法中引入了迭代算法。利用矩陣擾動理論，分析圖像噪聲對不同特征點重構(gòu)的影響，得出圖像數(shù)量越多重建精度越高的結(jié)論。彭科舉提出了尺度不變特征變換特征和角點特征相結(jié)合的三維重建算法。

2.4 混合高斯模型進行背景建模

隨著信息技術(shù)、計算機技術(shù)、數(shù)據(jù)通信技術(shù)、傳感器技術(shù)、電子控制技術(shù)快速發(fā)展，基于視頻的智能交通控制系統(tǒng)在交通控制中占主要作用。在交通對象的監(jiān)測中，高斯背景模型在建立對運動目標(biāo)的提取有著至關(guān)重要的作用。研究發(fā)現(xiàn)，視頻圖像提取的特征值背景顏色和像素的灰度值符合高斯分布。由于像素在時間域上的分布信息符合高斯分布，利用其構(gòu)造其背景模型能解決光線突變等問題帶來的影響，能夠適應(yīng)于戶外復(fù)雜光線的環(huán)境。此方法建模后模型的魯棒性強，準(zhǔn)確率高。目前，高斯背景建模在交通智能控制系統(tǒng)中發(fā)揮著越來越重要的作用。

劉亞利等人提出了基于邊緣特征的混合高斯背景建模方法。此方法加快了高斯模型的收斂速度，有較強的光變性。同時利用像素在時間域及空間域上的分布信信息，王永忠等人提出了一種基于自適應(yīng)混合高斯模型的時空背景建模方法。監(jiān)控系統(tǒng)采集的數(shù)庫不僅僅有時間上的信息，還有空間位移信息。王永忠提出的時空背景建模方法利用時間和空間上的像素分布信息，不僅提高了建模精度還解決了傳統(tǒng)的混合高斯背景建模方法對不平穩(wěn)場景建模失效的這一缺點。

3 結(jié)束語

基于立體視覺的三維建模技術(shù)研究是一個非常有意義的研究課題，在交通參數(shù)檢測技術(shù)的研究中，我們要結(jié)合相關(guān)的計算機圖像采集和處理技術(shù)，充分利用道路已有的資源，并將其采集的資源圖形化、數(shù)字化。雙目立體視覺技術(shù)對目前的單視點平面監(jiān)控系統(tǒng)缺點進行很好的彌補。利用雙目立體視覺對交通對象進行檢測和監(jiān)控，對獲得圖像數(shù)據(jù)分析，完成運動目標(biāo)的三維空間定位和追蹤。結(jié)合現(xiàn)有的計算機、電子信息技術(shù)，互聯(lián)網(wǎng)技術(shù)，對交通加強智能化建設(shè)，逐步實現(xiàn)增強道路交通監(jiān)控的信息化和自動化。

參考文獻

[1]周冬梅，張明星，代永霞，等.基于紋理的車輛陰影消除新算法[J].自動化與儀表，2014（1）：133-138.

[2]徐文聰，劉海.夜間環(huán)境交通數(shù)據(jù)采集系統(tǒng)設(shè)計與實現(xiàn)[J].測控技術(shù)，2012，31（6）：60-66.

[3]張虹波.基于視頻檢測技術(shù)的交通車流量研究[D].寧夏大學(xué)，2014.

[4]孫明玉，丁瑩，李文輝，等. 一種自適應(yīng)閾值的運動目標(biāo)提取算法[J].計算機應(yīng)用研究，2010（6）.